بخش بندی مشترکین آب شیراز بر اساس ارزش دوره عمر آن ها و مدل RFM

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 137

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWWSE-8-2_006

تاریخ نمایه سازی: 3 مهر 1402

چکیده مقاله:

با توجه به اهمیت شناسایی مشترکین کم مصرف آب، در این پژوهش با استفاده از روش های داده کاوی، بخش بندی و شناسایی مشترکین آب براساس ارزش دوره عمر و مدل RFM انجام می شود. ابتدا مقادیر شاخص های مدل RFM برای مشترکین آب شیراز از پایگاه اطلاعات مشترکین استخراج شده و پیش پردازش شد. پس از وزن دهی به این سه شاخص با استفاده از روش تحلیل سلسله مراتبی، مشترکین با استفاده از شبکه عصبی خود سازمان ده بخش بندی شدند. سپس هرم ارزش دوره عمر برای شناسایی مشترکین کلیدی رسم شده و خوشه های مشترکین کلیدی و با ارزش شناسایی شدند. نتایج نشان می دهند که شاخص مبلغ آب بها دارای بیشترین اهمیت و شاخص تازگی پرداخت دارای کمترین اهمیت در تعیین ارزش مشترکین بوده و بر این اساس مشترکین به شش خوشه تقسیم شدند. طبق هرم ارزش دوره عمر، با ارزش ترین مشترکین در خوشه ۳ قرار گرفته اند که عمدتا کاربری مسکونی و تجاری و صنعتی دارند، به طور عمده ساکن منطقه ۲ هستند، اکثر این مشترکین قبوض خود را به موقع پرداخت نموده اند و مبلغ آب بهای آن ها نیز عمدتا کم است. با شناسایی مشترکین با ارزش و کلیدی، پیشنهادهایی برای بهبود امر خدمت رسانی به مشترکین با در نظر گرفتن ارزشی که دارند، ارائه شد.

کلیدواژه ها:

ارزش دوره عمر مشترکین ، تحلیل سلسله مراتبی ، شبکه عصبی خود سازمان ده ، شرکت آب و فاضلاب شیراز

نویسندگان

عظیمه مظفری

کارشناسی ارشد مهندسی صنایع، دانشگاه علم و صنعت ایران، شرکت آب و فاضلاب شیراز، شیراز، ایران.

راضیه رنجبر

کارشناسی ارشد مهندسی صنایع، دانشگاه آزاد اسلامی واحد شیراز، شیراز، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • آموزگار، م.، (۱۳۹۵)، "ارائه راه کار دو مرحله ای برای ...
  • امینی، ق.، فرمانی انتظام، ح.، جان صادق پور، ع.، و ...
  • امینی، ق.، فرمانی انتظام، ح.، جان صادق پور، ع.، و ...
  • مدل‌سازی تشخیص مصرف غیرمجاز آب (مطالعه موردی: شهر قم) [مقاله ژورنالی]
  • رزمی، ج.، و قنبری، آ.، (۱۳۸۸)، "ارائه مدلی نوین برای ...
  • طباطبایی، ا.، (۱۳۹۸)، نگرشی بر داده کاوی، دانشگاه آزاد قزوین، ...
  • غضنفری، م.، (۱۳۹۹)، داده کاوی و کشف دانش. تهران، دانشگاه ...
  • کاظمی، ز.، (۱۳۹۴)، "به کارگیری فرآیندکاوی برای بهبود فرآیندهای مدیریت ...
  • کجوری نفت چالی، م. و، فریدونیان، ع.، (۱۳۹۴)، "شناسایی الگوی ...
  • مهرگان، م. ر.، (۱۳۹۷)، پژوهش عملیاتی پیشرفته، تهران، انتشارات کتاب ...
  • Berry, M.J., and Linoff, G.S., (۲۰۱۶), Data mining techniques: for ...
  • Bin, D., Peiji, S., and Dan, Z., (۲۰۰۸), “Data mining ...
  • Buttle, F., (۲۰۱۸), Customer Relationship Management: Concepts and Tools, Elsevier ...
  • Cheng, C.H., and Chen, Y.S., (۲۰۰۹), “Classifying the segmentation of ...
  • Foster, H.S., and Beattie, B.R., (۱۹۸۱), “On the specification of ...
  • Han, J., Pei, J., and Kamber, M., (۲۰۱۶), Data mining: Concepts ...
  • Hughes, A.M., (۱۹۹۴), Strategic database marketing, Chicago: Probus Publishing, https://doi.org/۱۰.۱۲۸۷/ijoc.۲۰۲۱.۱۱۲۱ ...
  • Keiningham, T.L., Aksoy, A., and Bejou, D., (۲۰۰۶), “Approches to ...
  • Kreidler, M., (۲۰۱۸), Guide to auto insurance, Washington State Office ...
  • Monika, C., and Amarpreet, K., (۲۰۱۸), “A comparative study of ...
  • Rosenblatt, F., (۱۹۶۲). Principles of neurodynamics: Perceptrons and the theory of ...
  • Saggaf, M.M., Toksoz, M.N., and Marhoon, M.I., (۲۰۰۳), “Seismic facies ...
  • Seyedhosseini, S.M., Gholamian, M.R., and Maleki, A., (۲۰۱۱), “A methodology ...
  • نمایش کامل مراجع